今日开源（2025-07-04）：百度文心一言4.5，多模态模型家族，最大模型参数424B，最小0.3B端侧模型，跨模态参数共享
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
🏆基座模型
①项目：ERNIE4. 5
★ERNIE4. 5是一组大规模多模态模型，包含10种不同的变体。该模型家族包括具有47B和3B活跃参数的Mixture-of-Experts(MoE)模型，最大的模型拥有424B总参数，以及一个0. 3B的密集模型。MoE架构支持跨模态的参数共享，同时为每个单独的模态提供专用参数。所有模型均使用PaddlePaddle深度学习框架进行训练，支持高效推理和简化部署。实验结果表明，ERNIE4. 5在多个文本和多模态基准上实现了最先进的性能，特别是在指令跟随、世界知识记忆、视觉理解和多模态推理方面。
☆一键收藏：
https ://sota. jiqizhixin.com/project/ernie-3
🤖Agent开发
①项目：MLA-Trust
★MLA-Trust是一个综合性框架，用于评估多模态大语言模型智能体（MLA）的可信度。该框架通过34个高风险交互任务，从真实性、可控性、安全性和隐私四个维度揭示GUI环境中的新挑战。项目旨在确保智能体在处理视觉或DOM元素时的准确性，避免不必要的步骤和副作用，防止有害行为，并保护敏感信息的机密性。
☆一键收藏：
https ://sota. jiqizhixin.com/project/mla-trust
②项目：TaskCraft
★TaskCraft是一个用于生成难度可扩展、多工具协作和可验证的智能体任务的库。它通过深度（层次）和宽度（组合）扩展策略，从简单的原子任务构建多层次复杂挑战，支持多跳推理和多工具协作。TaskCraft能够直接处理PDF/HTML/URL等异构数据源，自动提取关键信息生成原子问题，并支持单模态（文本）和多模态（文本-图像混合）模式。项目内置难度评分系统，自动生成从简单（1步）到专家级（4步以上）的任务，并提供默认的36,000+合成数据集供模型训练。
☆一键收藏：
https ://sota. jiqizhixin.com/project/taskcraft
🛠️框架平台、必备工具
①项目：PosterCraft
★PosterCraft是一个统一框架，专注于生成高质量的美学海报。该项目在精确的文本渲染、抽象艺术的无缝整合、引人注目的布局和风格和谐方面表现出色。它为用户提供了一个强大的工具来创建视觉上吸引人的海报。
☆一键收藏：
https ://sota. jiqizhixin.com/project/postercraft
②项目：VikhrSalt
★VikhrSalt是一个基于预训练大型语言模型的多模态模型项目，扩展了新的音频标记以处理文本转语音（TTS）和自动语音识别（ASR）任务。该模型通过微调精度设置实现稳定训练，能够有效生成和理解语音，标志着多模态学习的进步。
☆一键收藏：
https ://sota. jiqizhixin.com/project/salt
③项目：Unmute
★Unmute是一个系统，旨在通过将文本大语言模型（LLM）与Kyutai的语音合成（TTS）和语音识别（STT）模型结合，使其能够进行语音输入和输出。用户通过前端网站与系统交互，系统通过后端与语音识别服务器连接，将用户的语音实时转录为文本，并通过LLM生成响应。生成的文本再通过语音合成服务器转换为语音并播放给用户。该系统优化了低延迟表现，并支持与任何文本LLM的集成。
☆一键收藏：
https ://sota. jiqizhixin.com/project/unmute
